โปสเตอร์KMITL Expo 2025Cluster 2025ป. ตรี โครงงานพิเศษ
การ
เพิ่ม
ประสิทธิภาพ
กระบวนการ
ผลิต
Hydrogen
Manufacturing
(HMU-
2)
และ
Pressure
Swing
Adsorption
(PSA-
3)
คณะวิศวกรรมศาสตร์, วิศวกรรมเคมี, วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมเคมี
เจ้าของนวัตกรรม
ภพ
นาย ภูริพัฒน์ พริ้งพัฒนพงษ์
นักศึกษา
Details
โครงการนี้มุ่งเน้นการเพิ่มประสิทธิภาพหน่วยผลิตไฮโดรเจน (HMU-2) และหน่วยแยกก๊าซ (PSA-3) โดยใช้แบบจำลอง Machine Learning ร่วมกับ AVEVA Pro/II เพื่อปรับปรุงความแม่นยำในการคาดการณ์พารามิเตอร์กระบวนการ ซึ่งช่วยเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างกำไรเพิ่มขึ้นกว่า 8.5 แสนบาทต่อปี
โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า:
- แบบจำลอง AVEVA Pro/II มีความคลาดเคลื่อนสูงเกินเกณฑ์ที่บริษัทกำหนด
- แบบจำลอง Machine Learning (Random Forest) มีความแม่นยำสูงกว่า โดยมีค่า R-squared สูงถึง 0.98 และ 0.88
- สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนเหลือเพียง 4.75% และ 1.35%
- การปรับค่าตัวแปรผ่านแบบจำลองช่วยเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี
Objective
วัตถุประสงค์หลักคือการเปรียบเทียบความแม่นยำระหว่างโปรแกรมจำลองกระบวนการกับ Machine Learning เพื่อพัฒนาโมเดลคาดการณ์คุณภาพผลิตภัณฑ์และปรับปรุงประสิทธิภาพการผลิตไฮโดรเจนให้ได้ผลตอบแทนสูงสุด
- เพื่อเปรียบเทียบความแม่นยำระหว่างการใช้โปรแกรม AVEVA Pro/II กับเทคนิค Machine Learning
- เพื่อพัฒนาโมเดลการคาดการณ์โดยใช้ Machine Learning ให้สามารถคาดการณ์คุณภาพผลิตภัณฑ์ล่วงหน้า
- เพื่อวิเคราะห์และปรับปรุงประสิทธิภาพการผลิตโดยหาพารามิเตอร์ที่ให้ไฮโดรเจนและ Overall Benefit สูงสุด